(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210989530.8 (22)申请日 2022.08.18 (65)同一申请的已公布的文献号 申请公布号 CN 115063056 A (43)申请公布日 2022.09.16 (73)专利权人 西南交通大 学 地址 610000 四川省成 都市二环路北一段 (72)发明人 龙丹冰　陈其铧　杨成　 (74)专利代理 机构 成都乐易联创专利代理有限 公司 51269 专利代理师 赵何婷 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06N 5/04(2006.01)G06K 9/62(2022.01) G06F 16/36(2019.01) (56)对比文件 CN 113127606 A,2021.07.16 CN 113722503 A,2021.1 1.30 CN 107274079 A,2017.10.20 CN 111832924 A,2020.10.27 CN 114493375 A,202 2.05.13 CN 113822494 A,2021.12.21 US 2022156614 A1,202 2.05.19 魏君豪.基 于行为安全与建筑信息模型的施 工安全管理方法. 《中国优秀硕士学位 论文全文 数据库 工程科技 Ⅰ辑》 .2022, 龙丹冰等.基于熵算法改进的故障树-云模 型风险分析方法. 《安全与环境学报》 .2021, 审查员 邓欣 (54)发明名称 基于图拓扑分析改进的建造行为安全风险 动态分析方法 (57)摘要 本发明提供了一种基于图拓扑分析改进的 建造行为安全风险动态分析方法包括 （1） 通过收 集并整合相关建造安全事故报告数据， 定义建造 安全事故本体， 并进行三元组转化， 建立建造安 全事故知识图谱； （2） 通过图拓扑分析方法对知 识图谱进行分析计算， 得出各行为安全指标的风 险及后果量化值； （3） 通过各行为安全指标的后 果量化值和建造现场记录的各行为安全指标的 频率， 计算各行为安全指标的风险； （4） 基于各行 为安全指标的风险数据计算当前建造现场的风 险等级； （5） 确定关键行为安全指标； （6） 计算出 当前时期的高风险工种， 本发明能有效降低专家 的主观因素对建造现场风险分析的影 响， 并支撑 关键工种的确定和提高建造安全管理效率。 权利要求书3页 说明书13页 附图4页 CN 115063056 B 2022.11.18 CN 115063056 B 1.一种基于 图拓扑分析改进的建造行为安全风险动态分析方法， 其特征在于， 包括如 下步骤： (1)构建知识图谱 根据收集并整理相关建造安全事故报告数据， 定义建造安全事故本体， 并对收集数据 的关键信息进行三元组转 化， 建立建造安全 事故知识图谱； 定义建造安全事故本体是指根据建造安全事故报告中的关键要素信息及其相互关系 分析得出， 事故引发的后果依据人员伤害程度进行伤害等级划分， 并根据伤害等级进行权 重量化； 知识图谱包括知识实体和关系， 知识实体包括事故类型、 行为安全指标及其类型和频 率、 工种、 事故后果， 关系包括行为安全指标与其类型之间的所属关系、 行为安全指标与事 故的因果关系、 事故与事故后果之间的数量关系、 行为安全指标与其出现频率之间的数量 关系、 以及行为 安全指标与工种之间的所属关系； (2)图拓扑分析 根据构建的建造安全事故知识图谱的关系分别设定各知识实体之间的邻 接矩阵， 根据 邻接矩阵定义行为安全后果指标和行为安全风险指标， 再根据行为安全后果指标和行为安 全风险指标对各 行为安全指标的风险和后果进行量 化并计算具体量 化值； 所述邻接矩阵包括行为安全指标与事故因果关系的邻接矩阵CAM、 行为安全指标与工 种之间所属关系的邻接矩阵CWM、 行为安全指标与其类型所属关系的邻接矩阵CTM、 行为安 全指标与频率数量关系的邻接矩阵CFM、 事故与事故后果数量关系的邻接矩阵ASM； 行为安全后 果指标用于代表某一行为安全指标量化后的后 果程度大小， 行为安全后果 指标ConsC＝∑Aj∈ACAMC， Aj·PAj|C·ASMAj， V， ConsC为行为安全后果指标， CA MC,Aj为行为安全指 标C与事故Aj在对应的CAM邻接矩 阵中的值， PAj|C为行为安全指标C中事故Aj所占的比例， ASMAj,V为事故Aj与事故后果V对应的ASM邻接矩阵中的值； 行为安全风险指标用于代表考虑事故出现频率的行为安全指标量化后的风险程度大 小， 行为安全风险指标RiskC＝CFMC， F(∑Aj∈ACAMC， Aj·PAj|C·ASMAj， V)， RiskC为行为安全风险 指标， CFMC,F为行为安全指标C与频率F对应的CFM邻接矩阵中的值， CAMC,Aj为行为安全指标C 与事故Aj在对应的CAM邻接矩阵中的值， PAj|C为行为安全指标C中事故Aj所占的比例， ASMAj,V 为事故Aj与事故后果V对应的ASM邻接矩阵中的值； (3)建造现场记录数据处 理 根据计算的各行为安全指标的后果量化值和建造现场记录的各行为安全指标的频率 计算出各行为安全指标的风险； 将行为安全指标的后果指标映射到[1 ‑α,1+α ]区间内， 式中， Cons ′C(j)为第j类行为安全指标映射后的结果， ConsC(j)为第j类行为安全指标， ConsCmax为所有行为安全指标中的最大值， ConsCmin为所有行为安全指标中的最小值， α 为所 有行为安全指标的平均后果 程度， n为行为安全指标的个数； 映射后的结果作为对应行为安全指标的后果程度系数， 第r周中j类行为安全指标的风权　利　要　求　书 1/3 页 2 CN 115063056 B 2险值x′r(j)＝xr(j)·Cons′C(j)， r为所在的周数， xr(j)为第r周中j类行为指标的观测值； (4)风险分析 通过各行为安全指标风险量化值、 修正灰聚类算法中由专家定义的可能度函数计算当 前建造现场的风险等级； 所述风险等级通过如下步骤实现： 首先， 定义风险等级可能度函数， 计算的第r周中j类 行为安全指标的风险值x ′r(j)时对 应的可能度函数值fjk(x′r(j))r为数据统计所在周次， k 为风险等级； 其次， 第j类行为安全指标在风险等级为k时的权 为第j类行为安全指 标在风险等级为 k时的可能度函数的转 折点基本值， m为行为 安全指标的类型 数量； 然后， 计算灰色变权聚类系数 最后， 根据聚类系数 计算并比较第r周的风险等级属于低、 中、 高的灰聚类系数， 然后 判断每周的风险等级； 所述修正灰聚类算法中由专 家定义的可能度函数通过如下步骤实现： 首先， 计算所属第Tj类型行为安全指标的行为安全风险指标之和RiskC(Tj)， 该类型行 为指标导致安全事故的发生风险比例 m为行为安全指标的类型数 量； 其次， 将行为指标导 致安全事故的发生 风险比例PT反向映射到[1 ‑β,1+β ]区间内， 式中， P′T为修正系数， PT为各类型行为安全指标导致安全事故的发生风险比例， PTmax为 各类型行为安全指标导致安全事故的发生风险比例中 的最大值， PTmin为各类型行为安全指 标导致安全事故的发生风险比例中的最小值， β 为所有类型行为安全指标的平均后果程度， m为行为安全指标的类型 数量； 最后， 引入修正系数后的转折点基本值 为由专家定义的第j类行为 安全指标在风险等级为 k时的可能度函数的转 折点基本值； (5)关键行为指标 通过灰关联分析方法计算各行为安全指标与高风险等级的关联度， 确定关键行为安全 指标； 所述关键行为指标 是通过以下步骤实现： 首先， 数据处理 和 rH(n)为所关注时间点前n周的 高风险灰聚类系数序列， 为时间序列n周内高风险聚类系数的平均值， rj(n)为所关注权　利　要　求　书 2/3 页 3 CN 115063056 B 3